# quantOS量化策略样例(2)：择时
本文将向大家展示如何利用JAQS系统的事件驱动框架开发择时策略，并通过TradeSim进行仿真交易。这里我将以贵州茅台（600519.SH）的双均线穿越策略为例。
JAQS安装教程，参见 [JAQS安装指南](https://github.com/quantOS-org/JAQS/blob/master/doc/install.md)
**完整代码**请点击[这里](https://github.com/quantOS-org/JAQS/tree/master/example/eventdriven)，安装JAQS后即可直接运行（安装教程，参见[JAQS安装指南](https://github.com/quantOS-org/JAQS/blob/master/doc/install.md)）。
## 一、策略描述
双均线穿越策略分为两步：
1. 首先，确定交易标的，根据历史价格数据计算快速均线和慢速均线。在本文的回测模式中，数据周期为1天。
2. 当快线均值上穿慢线均值时，若此时没有持仓，则买入股票；反之当快线均值下穿慢线均值时，若此时有股票持仓，则卖出所有股票。
## 二、策略实现
首先向大家介绍一下事件驱动策略框架的组成部分。该框架由类`DoubleMaStrategy()`实现，完成了“数据采集-信号生成-发单”的整个交易逻辑。
```python
class DoubleMaStrategy(EventDrivenStrategy):
""""""
def __init__(self):
super(DoubleMaStrategy, self).__init__()
pass
def init_from_config(self, props):
super(DoubleMaStrategy, self).init_from_config(props)
pass
def buy(self, quote, size=1):
pass
def sell(self, quote, size=1):
pass
def on_tick(self, quote):
pass
def on_bar(self, quote_dic):
pass
def on_trade(self, ind):
pass
```
其中，
- `init_from_config()`负责通过props接收策略所需参数，进行策略初始化；
- `buy()`/`sell()`负责发单；
- `on_tick()`和`on_bar()`是框架核心，策略的逻辑都在其中实现，区别在于`on_tick()`接收单个quote变量，而`on_bar()`接收多个quote组成的dictionary。此外`on_tick()`是在tick级回测和实盘/仿真交易中使用，而`on_bar()`是在bar回测中使用；
- `on_trade()`负责监督发单成交情况。
### 1. 参数初始化
首先在函数`__init__()`中初始化策略所需变量
```python
def __init__(self):
super(DoubleMaStrategy, self).__init__()
# 标的
self.symbol = ''
# 快线和慢线周期
self.fast_ma_len = 5
self.slow_ma_len = 15
# 记录当前已经过的天数
self.window_count = 0
self.window = self.slow_ma_len + 1
# 固定长度的价格序列
self.price_arr = np.zeros(self.window)
# 快线和慢线均值
self.fast_ma = 0
self.slow_ma = 0
# 当前仓位
self.pos = 0
# 下单量乘数
self.buy_size_unit = 1
self.output = True
```
该策略的关键参数有三个，交易标的（symbol），快线周期（fast_ma_len）和慢线周期（slow_ma_len），通过props字典传入。
```python
def init_from_config(self, props):
"""
将props中的用户设置读入
"""
super(DoubleMaStrategy, self).init_from_config(props)
# 标的
self.symbol = props.get('symbol')
# 初始资金
self.init_balance = props.get('init_balance')
# 快线和慢线均值
self.fast_ma_len = props.get('fast_ma_length')
self.slow_ma_len = props.get('slow_ma_length')
```
### 2. 逻辑实现
策略的日级回测在`on_bar()`函数中完成。在回测中，每天会有一个quote传入，主要包括open, close, high和low。下面我们以回测为例。
第一步：根据历史价格数据计算快速均线和慢速均线。
每当一个quote传入，我们计算当前的midprice并更新价格序列。
```python
if isinstance(quote, Quote):
# 如果是Quote类型，mid为bidprice和askprice的均值
bid, ask = quote.bidprice1, quote.askprice1
if bid > 0 and ask > 0:
mid = (quote.bidprice1 + quote.askprice1) / 2.0
else:
# 如果当前价格达到涨停板或跌停板，系统不交易
return
else:
# 如果是Bar类型，mid为Bar的close
mid = quote.close
# 将price_arr序列中的第一个值删除，并将当前mid放入序列末尾
self.price_arr[0: self.window - 1] = self.price_arr[1: self.window]
self.price_arr[-1] = mid
```
接着计算快速均线和慢速均线，
```python
self.fast_ma = np.mean(self.price_arr[-self.fast_ma_len - 1:])
self.slow_ma = np.mean(self.price_arr[-self.slow_ma_len - 1:])
```
第二步：当快线向上穿越慢线且当前没有持仓，则买入100股；当快线向下穿越慢线且当前有持仓，则平仓。
```python
if self.fast_ma > self.slow_ma:
if self.pos == 0:
self.buy(quote, 100)
elif self.fast_ma < self.slow_ma:
if self.pos > 0:
self.sell(quote, self.pos)
```
第三步：交易完成后，会触发`on_trade()`函数，通过`self.ctx.pm.get_pos()`函数的到最新仓位并更新self.pos
```python
def on_trade(self, ind):
print("\nStrategy on trade: ")
print(ind)
self.pos = self.ctx.pm.get_pos(self.symbol)
```
## 三、回测启动
策略启动在`run_strategy()`函数中完成。
```python
def run_strategy():
if is_backtest:
"""
回测模式
"""
props = {"symbol": '600519.SH',
"start_date": 20170101,
"end_date": 20171104,
"fast_ma_length": 5,
"slow_ma_length": 15,
"bar_type": "1d", # '1d'
"init_balance": 50000}
tapi = BacktestTradeApi()
ins = EventBacktestInstance()
else:
"""
实盘/仿真模式
"""
props = {'symbol': '600519.SH',
"fast_ma_length": 5,
"slow_ma_length": 15,
'strategy.no': 1062}
tapi = RealTimeTradeApi(trade_config)
ins = EventLiveTradeInstance()
```
## 四、回测结果及分析
回测结果如下图所示：
回测结果的分析在`analyze()`中完成
```python
def analyze():
ta = ana.EventAnalyzer()
ds = RemoteDataService()
ds.init_from_config(data_config)
ta.initialize(data_server_=ds, file_folder=result_dir_path)
ta.do_analyze(result_dir=result_dir_path, selected_sec=[])
```
*__注__：本文只介绍了策略核心函数和逻辑，完整代码请点击[这里](https://github.com/quantOS-org/JAQS/blob/master/example/eventdriven/DoubleMA.py)。*
## 五、仿真交易结果展示
在[仿真交易网站](https://www.quantos.org/tradesim/trade.html)，选择对应的策略，比如在本例中为沪深300。